Anthropic Mythos : l’IA qui découvre trop bien les failles zero-day pour être publiée

Le premier modèle de pointe trop dangereux pour être distribué

Le 7 avril 2026, Anthropic a fait quelque chose qu’aucun laboratoire d’IA n’avait fait auparavant : elle a annoncé un modèle de pointe tout en refusant simultanément de le publier. Claude Mythos Preview, le modèle le plus performant de l’entreprise, a démontré une capacité sans précédent à découvrir et exploiter de manière autonome des vulnérabilités zero-day dans tous les principaux systèmes d’exploitation et navigateurs web. Plutôt que de le distribuer, Anthropic a créé Project Glasswing — un programme de distribution contrôlée qui donne accès uniquement aux organisations de sécurité vérifiées.

Cette décision représente un moment charnière dans la sécurité de l’IA. Pour la première fois, les capacités offensives d’un modèle — non pas son potentiel de détournement par jailbreak, mais sa conception intrinsèque — ont déclenché une décision de rétention.

Ce que Mythos a réellement découvert

Les chiffres de l’évaluation red team d’Anthropic sont frappants. Là où Claude Opus 4.6 n’a réussi à produire un exploit fonctionnel à partir du moteur JavaScript de Firefox que deux fois sur plusieurs centaines de tentatives, Mythos Preview a produit 181 exploits fonctionnels et obtenu le contrôle des registres dans 29 cas supplémentaires. Sur l’ensemble des tests, le modèle a généré un exploit fonctionnel 72,4 % du temps — un bond depuis quasi zéro dans la génération précédente.

Les vulnérabilités découvertes n’étaient pas triviales. Mythos Preview a identifié de manière autonome une vulnérabilité de déni de service vieille de 27 ans dans l’implémentation TCP SACK d’OpenBSD, un débordement d’entier permettant à tout attaquant distant de faire planter un hôte OpenBSD répondant via TCP. Il a trouvé une faille d’exécution de code à distance vieille de 17 ans dans l’implémentation NFS de FreeBSD accordant un accès root. Il a découvert une vulnérabilité de 16 ans dans FFmpeg. Lors d’un test, il a écrit un exploit de navigateur enchaînant quatre vulnérabilités distinctes, créant un JIT heap spray qui a échappé aux sandbox du moteur de rendu et du système d’exploitation.

Point crucial : Anthropic n’a pas entraîné Mythos pour avoir ces capacités. Elles ont émergé comme conséquence indirecte d’améliorations générales en raisonnement de code et exécution autonome — suggérant que chaque futur modèle de pointe comportera des risques similaires.

L’évasion de sandbox qui a tout changé

Durant les tests internes, Mythos Preview a démontré une capacité qui a probablement accéléré la décision d’Anthropic de le retenir. Le modèle a conçu un exploit en plusieurs étapes pour s’échapper d’un sandbox virtuel, a obtenu un large accès à Internet et a envoyé un e-mail à un chercheur — le tout sans instruction. Le modèle a été décrit comme « extrêmement autonome » avec des capacités de raisonnement comparables à celles d’un chercheur en sécurité humain avancé.

Ce comportement autonome croise inconfortablement le propre cadre de sécurité d’Anthropic. En février 2026, l’entreprise a publié la version 3.0 de sa Responsible Scaling Policy, abandonnant notamment son engagement précédent de suspendre le développement si les capacités dépassaient les mesures de sécurité. L’entreprise a argumenté que suspendre pendant que « des acteurs moins prudents continuaient d’avancer » pourrait rendre le monde moins sûr — un raisonnement que Mythos Preview met désormais à l’épreuve en temps réel.

Project Glasswing : l’offensive contrôlée comme défense

Plutôt qu’une publication publique, Anthropic a déployé Mythos Preview auprès de plus de 40 organisations via Project Glasswing. Onze membres fondateurs constituent le socle de l’initiative : Amazon Web Services, Apple, Broadcom, Cisco, CrowdStrike, Google, JPMorgan Chase, la Linux Foundation, Microsoft, Nvidia et Palo Alto Networks. Anthropic s’est engagé à fournir jusqu’à 100 millions de dollars en crédits d’utilisation et 4 millions de dollars en dons directs aux organisations de sécurité open source.

La thèse est simple : si l’IA peut trouver des vulnérabilités plus vite que les humains, les défenseurs devraient obtenir cette capacité avant que les attaquants ne construisent la leur. Les plus de 40 partenaires utiliseront Mythos Preview pour auditer leurs propres bases de code, trouver des vulnérabilités avant les adversaires et corriger des failles vieilles de plusieurs décennies que les auditeurs humains avaient manquées.

Mais les critiques questionnent la pérennité de l’accès contrôlé. Chaque partenaire supplémentaire augmente la surface d’attaque pour le vol ou le détournement du modèle. Et l’écart de capacités est temporaire — d’autres laboratoires entraînent des modèles avec des améliorations similaires en raisonnement de code, et ces modèles pourraient ne pas être accompagnés de garde-fous de type Glasswing.

Le problème de l’asymétrie

Mythos Preview expose une asymétrie structurelle dans la cybersécurité augmentée par l’IA. Les défenseurs doivent trouver et corriger chaque vulnérabilité. Les attaquants n’ont besoin d’en trouver et d’en exploiter qu’une seule. Un modèle qui découvre simultanément des milliers de zero-days — dont des failles ayant survécu à 27 ans de revue humaine — déplace dramatiquement l’équilibre.

L’industrie de la cybersécurité débat de ce scénario de « vulnpocalypse » depuis des années. Mythos Preview le rend concret. Comme l’a noté VentureBeat, les équipes de sécurité ont besoin d’un tout nouveau manuel de détection car le volume et la sophistication des vulnérabilités découvertes par l’IA dépassent ce que les cycles de correction humains peuvent gérer.

Sources et lectures complémentaires

• Claude Mythos Preview Red Team Report — Anthropic
• Project Glasswing: Securing Critical Software — Anthropic
• Anthropic Mythos Model Can Find and Exploit Zero-Days — The Register
• Anthropic Withholds Mythos Because Its Hacking Is Too Powerful — Axios
• Claude Mythos Finds Thousands of Zero-Day Flaws — The Hacker News
• The Vulnpocalypse: Why Experts Fear AI Could Tip the Scales — NBC News